本书依据商业大数据的特点，对不同类型的商业大数据进行分析和讲解。全书共5章，第1章和第2章分别对商业大数据分析和商业数据可视化进行了概述，第3～5章详细阐述了非结构化数据与文本挖掘、社会网络分析与可视化、多维异构数据的分析与可视化。在梳理基本专业理论知识的同时，本书注重与知识点相对应的实际应用案例展示，以便辅助读者更直观地理解理论知识。
本书着重培养学生综合运用专业知识解决理论和实际问题的能力，可以作为高等院校电子商务、管理科学与工程、计算机科学与技术等专业的教材，也可以作为相关工作人员的参考用书。

第1章 商业大数据分析
1.1 大数据处理与大数据分析
1.1.1 大数据的基本概念、来源与应用
1.1.2 大数据处理
1.1.3 大数据分析和计算
1.2 商业环境中的大数据分析
1.2.1 商业大数据的挑战
1.2.2 商业大数据处理的挑战
1.2.3 商业大数据的来源
1.2.4 商业价值
1.3 商业大数据分析技术与方法
1.3.1 商业大数据分析技术
1.3.2 商业大数据分析方法
1.4 商业大数据分析流程
1.4.1 数据分析与数据挖掘的区别
1.4.2 常见的数据分析挖掘工具
1.4.3 商业数据分析流程
习题
第2章 商业数据可视化
2.1 数据可视化简介
2.1.1 数据可视化简史
2.1.2 数据可视化概述
2.1.3 数据可视化的重要性
2.1.4 数据可视化技术及其特点
2.1.5 数据可视化的功能
2.1.6 数据可视化类型
2.1.7 数据可视化标准
2.1.8 商业信息可视化概述
2.2 感知与认知
2.2.1 视觉感知与认知
2.2.2 颜色
2.2.3 视觉编码原则
2.3 数据可视化基础
2.3.1 数据可视化流程
2.3.2 数据可视化设计
2.3.3 可视化中的数据类型
2.4 商业数据可视化方法
2.4.1 数据可视化的展现形式
2.4.2 Tableau大数据可视化技术简介
2.4.3 Power BI大数据可视化技术简介
习题
第3章 非结构化数据与文本挖掘
3.1 非结构化数据与文本挖掘概述
3.1.1 非结构化数据的挑战
3.1.2 文本挖掘及其过程
3.2 文本预处理
3.2.1 文本表示
3.2.2 标引与中文分词
3.2.3 文本相似度计算
3.3 文本分类算法
3.3.1 朴素贝叶斯算法
3.3.2 Rocchio算法
3.3.3 K最近邻算法
3.3.4 其他分类算法
3.3.5 分类性能评价
3.3.6 分类效果评价
3.4 文本聚类
3.4.1 划分法
3.4.2 层次法
3.4.3 神经网络法与遗传算法
3.4.4 其他聚类算法
3.4.5 聚类质量评价
习题
第4章 社会网络分析与可视化
4.1 社会网络分析
4.1.1 社会网络的相关概念
4.1.2 社会网络的形式化表达
4.1.3 社会网络分析指标
4.1.4 方法论特征
4.2 社会网络分析与可视化
4.3 典型社会网络可视化工具
4.3.1 UCINET
4.3.2 Pajek
4.3.3 NWB
4.3.4 NodeXL
4.3.5 Gephi
4.4 社会网络分析与可视化应用案例
习题
第5章 多维异构数据的分析与可视化
5.1 各种多维分析方法
5.1.1 多维尺度分析法
5.1.2 等距映射算法
5.1.3 局部线性嵌入算法
5.1.4 主成分分析法
5.2 异构数据处理与分析
5.3 多维异构数据可视化
5.4 多维异构数据分析与可视化应用案例
习题
参考文献